Le secteur de l’intelligence artificielle incarnée, qui relie des modèles d’apprentissage automatique à des corps et des robots capables de se déplacer, connaît une forte vague d’investissements, mais les progrès du matériel ne se sont pas encore accompagnés d’une avancée comparable dans la capacité à accomplir de manière fiable des tâches à valeur ajoutée. Cet écart résume la situation actuelle du secteur : les robots sont devenus plus performants physiquement, mais leur fournir les connaissances nécessaires pour interagir avec le monde réel reste un défi ouvert.
Cette contradiction est apparue clairement lors de la dernière conférence Actuate, organisée par Foxglove à l’intention des développeurs de modèles et d’infrastructures pour l’intelligence artificielle incarnée. La conférence a triplé de taille depuis son lancement en 2023 et a attiré 1 500 participants, signe de l’intérêt croissant pour le domaine. En revanche, les entreprises d’infrastructure se sont concentrées sur ce qu’elles décrivent comme la crise des données robotiques, c’est-à-dire le manque de données d’entraînement de haute qualité et diversifiées dont les modèles ont besoin.
Pourquoi les capacités physiques ne suffisent-elles pas ?
Les tentatives visant à construire un robot général capable d’exécuter n’importe quelle tâche sont encore loin d’être matures. Même lorsqu’un robot est entraîné à une tâche précise au moyen d’un apprentissage de bout en bout, ces méthodes n’ont pas encore produit de produits aux performances commerciales constantes et fiables. Les développeurs se tournent donc vers des approches qui imitent celles des laboratoires avancés d’intelligence artificielle : réunir ou créer des jeux de données plus diversifiés, tester plusieurs méthodes d’entraînement et concevoir de meilleurs scénarios d’apprentissage par renforcement.
Harry Mellsop, fondateur d’Antioch, une entreprise spécialisée dans les outils de simulation pour les développeurs de modèles, a décrit l’intelligence artificielle incarnée comme se trouvant à l’étape « GPT-2 », c’est-à-dire à une phase précédant le bond qui a fait de ChatGPT un modèle grand public. Selon cette conception, le secteur a besoin de davantage de données et de puissance de calcul pour dépasser son stade actuel, notamment de processeurs graphiques optimisés pour les techniques de lancer de rayons utilisées dans la création de simulations haute fidélité.
Mais l’analogie avec les modèles de langage ne signifie pas que le parcours sera identique. Un robot interagit avec un monde matériel en évolution et a besoin de données visuelles, de données LiDAR et de comportements liés à l’environnement, pas seulement de textes. De plus, une erreur dans une tâche physique peut entraîner une collision, des dégâts ou l’arrêt d’une opération, ce qui rend le passage d’un modèle qui fonctionne parfois à un produit commercial fiable plus complexe.
Les voitures autonomes comme laboratoire précoce
Les véhicules autonomes semblent compter parmi les domaines les plus avancés de l’intelligence artificielle incarnée, en partie grâce à leur capacité à recueillir de grandes quantités de données provenant de voitures conduites par des personnes, et parce que leur tâche principale consiste à éviter les collisions plutôt qu’à manipuler directement des objets et à les déplacer. De nombreux outils de construction de modèles sont passés du secteur des véhicules autonomes à celui de la robotique ; Foxglove, par exemple, a été fondée par d’anciens employés de Cruise, le projet de conduite autonome auparavant rattaché à General Motors.
Les entreprises automobiles tentent désormais de mettre cette expertise à profit pour concurrencer le secteur des robots humanoïdes. Tesla développe le robot Optimus, tandis que Wayve, spécialisée dans la conduite autonome, et Uber ont lancé des laboratoires de robotique axés sur les corps humanoïdes dans le cadre de leurs efforts de recherche et développement.
Alex Kendall, directeur général de Wayve, estime qu’il pourrait être plus logique de commencer par les véhicules, car l’infrastructure de données et de simulation ainsi que les processus d’exploitation de l’apprentissage automatique peuvent être partiellement partagés entre les applications. Il souligne toutefois que le modèle mondial devra intégrer des différences liées à chaque corps, à chaque robot et à chaque environnement d’exploitation, et que les évolutions rapides des capteurs et des composants rendent risqué tout engagement précoce en faveur d’une seule plateforme matérielle.
La spécialisation face au robot général
Tous les acteurs du secteur ne sont pas d’accord avec l’idée de séparer le « cerveau » du corps. Théophile Gervet, directeur général de Genesis AI, spécialisée dans les robots humanoïdes intégrés verticalement, estime que la vague en est encore à une phase suffisamment précoce pour permettre de concevoir simultanément le matériel et l’intelligence artificielle. L’entreprise avait réuni cette année un tour de financement d’amorçage de 105 millions de dollars.
Le désaccord ne porte pas uniquement sur l’ingénierie, mais aussi sur la stratégie de construction des activités. Les entreprises qui ciblent des tâches précises ont commencé à déployer leurs robots sur des sites réels : Gritt travaille dans des fermes solaires, Agility déploie des robots dans des environnements industriels, tandis que Bedrock exploite des excavatrices autonomes. En revanche, les robots humanoïdes polyvalents restent pour l’essentiel dans les laboratoires.
Gervet affirme qu’un client ne s’intéresse pas à un robot général qui ne réussit une tâche qu’à 80 %, car l’absence de spécialisation sectorielle peut signifier l’absence de valeur pratique. Cependant, la spécialisation crée un autre problème : si un produit vertical est construit sur une génération précoce de modèles, un concurrent utilisant un modèle plus avancé peut le dépasser. Malgré cela, une application spécialisée procure des revenus et des données du monde réel, même si ces données ne sont pas suffisamment diversifiées pour développer un robot général.
Bedrock commence par creuser afin de comprendre les difficultés liées à la manipulation d’objets dans des conditions réelles, mais prévoit de construire une couche d’intelligence qui s’étendra à un ensemble de machines de construction. Cela illustre un compromis possible : lancer un produit spécialisé capable d’accumuler de l’expérience et des données, tout en conservant l’objectif de développer ultérieurement des capacités plus larges.
Qu’est-ce qui change concrètement ?
Les infrastructures s’orientent vers le traitement du problème des données lui-même. Foxglove a annoncé un nouveau produit construit au-dessus de Cosmos, le modèle du monde à poids ouverts de Nvidia, qui permet aux ingénieurs de rechercher dans des données de vision et de LiDAR au moyen de requêtes naturelles avancées, dans le but de créer des évaluations et des simulations et d’accélérer le tri et la correction des problèmes. La valeur de ces outils ne réside pas dans l’ajout de capacités physiques au robot, mais dans la réduction du temps nécessaire pour découvrir pourquoi le modèle a échoué et le réentraîner.
La question plus large est de savoir ce qui constituera le moment ChatGPT de la robotique. Kendall estime que le véritable moment décisif devrait susciter l’intérêt des consommateurs, et non celui des investisseurs. Il cite l’exemple d’une conduite autonome sans surveillance oculaire, dotée d’un matériel coûtant moins de 1 000 dollars, une opportunité que Wayve dit chercher à saisir en concédant ses modèles sous licence aux constructeurs automobiles. Gervet estime que le signe distinctif sera un robot comprenant des commandes naturelles et exécutant des tâches de manipulation de base, comme pousser et tirer, fermer un ordinateur portable ou nettoyer une table, avec un taux de réussite d’environ 80 % ou plus, sans configuration complexe.
Mais Adrian Macneil, directeur général de Foxglove, ne s’attend pas à un moment unique comparable à ChatGPT ; la diffusion dans le monde matériel est bien plus difficile que la distribution d’un logiciel sur Internet. Il prévoit plutôt un moment semblable à l’apparition de l’Apple II ou de l’IBM PC, lorsque l’achat d’un robot domestique capable d’exécuter des tâches utiles et divertissantes deviendra possible.
La principale conclusion de ces positions est que le secteur n’a pas encore tranché entre plusieurs voies : le progrès viendra-t-il d’un modèle général, d’une conception conjointe du matériel et des logiciels, ou d’applications spécialisées qui s’élargiront progressivement ? Ce que les données disponibles établissent avec certitude, c’est que l’augmentation des investissements et l’amélioration des corps robotiques n’éliminent pas le principal goulot d’étranglement : des données réelles et diversifiées, des simulations précises et des performances sur lesquelles les clients peuvent compter en dehors des laboratoires.